GIL机械故障诊断与预警技术研究

为了有效诊断气体绝缘金属封闭输电线路(GIL)的机械故障,搭建了110 kV GIL试验平台并设计了3种典型机械故障,通过互补集合经验模态分解(CEEMD)模糊熵值与鲸鱼优化极限学习机(WOA-ELM)模型联合方法对GIL机械故障模式进行识别与诊断。首先,利用CEEMD方法对振动信号进行分解,引入正负白噪声组对信号进行处理,得到含有故障信息的模态分量(IMF)。其次,利用模糊熵计算模态分量特征值,得到能表征故障特征的模糊熵值。最后,结合WOA-ELM模型对特征向量集进行模式识别,根据聚类结果与自适应阈值对GIL设备机械故障进行诊断和预警。结果表明,利用CEEMD与模糊熵对GIL振动信号特征进行分析,可以有效避免模态混叠和冗余噪声分量的干扰,得到能够表征故障特征的特征值;利用WOA-ELM模型可以有效实现GIL设备机械故障诊断与预警。     

高比例可再生能源渗透下多虚拟电厂多时间尺度协调优化调度

考虑可再生能源出力、电力负荷和电价等一系列不确定性因素,提出了高比例可再生能源渗透下的多虚拟电厂日内两阶段优化调度模型。该模型通过对多虚拟电厂中运行设备小时级时间尺度和分钟级时间尺度的协调优化,达到分级消除系统中随机和扰动因素的影响,实现高比例可再生能源的安全消纳。并且在多虚拟电厂优化调度模型中,借助Markowitz均值-方差理论,提出利润函数的风险刻画,准确描述不确定性的影响。最后,通过算例分析,说明所提出模型可有效降低决策风险和不确定性因素的影响。     

基于改进深度强化学习的智能微电网群控制优化方法

针对微电网群控制的经济效益、负荷波动以及碳排放问题,提出一种基于改进深度强化学习的智能微电网群运行优化方法。首先,计及分布式电源、电动汽车及负荷特性,提出微电网的系统模型。然后,针对微电网群的运行特点,提出4个系统优化目标和5个约束条件,并且引入分时电价机制调控负荷运行。最后,利用改进深度强化学习算法对微电网群进行优化,合理调控多种能源协同出力,调整负荷状态,实现电网经济运行。仿真结果表明了所提方法的有效性,与其他方法相比,其收益较高且碳排放量较小,可实现系统的经济环保运行。     

基于粒子群优化算法的配电网故障指示器优化配置

近年来,故障指示器凭借其接入灵活性和经济性被广泛应用于配电网故障定位中.然而过多的安装是没有必要的,合理选择安装故障指示器的数量及位置能达到配电网可靠性及经济性的综合最优.针对配电网中故障指示器优化配置问题,提出了一个综合考虑配电网可靠性指标及经济性的目标函数,并运用二进制粒子群优化算法进行了优化求解.通过在IEEE 33节点配电系统中的测试,验证了所建模型的有效性.同时,与免疫算法的优化结果进行了对比,分析结果表明,二进制粒子群算法由于其收敛速度快,所需迭代次数少,对于求解该问题具有优势.     

蝗虫优化神经网络在变压器故障诊断中的应用

针对变压器故障诊断中传统BP神经网络算法准确率低、收敛速度慢、易陷入局部极小值及对初始参数较为敏感等的不足,提出一种基于蝗虫优化（GOA）算法的BP神经网络故障诊断方法。建立以变压器故障特征气体为输入、故障类别为输出的故障诊断模型,利用GOA高效的计算性能和优良的全局搜索能力对BP神经网络的权值和阈值进行参数优化。仿真结果表明,GOA优化后的BP神经网络模型相比于传统BP神经网络和基于遗传算法优化的BP神经网络,能够在保留广泛映射能力的前提下,提升网络的学习速度和全局搜索能力,进而缩短训练所需时间,提高故障诊断精度。     

基于文化鲸鱼优化算法的特征权重优化分配方法

为了解决基于数据的预测模型中特征权重分配不合理的问题,将鲸鱼优化算法(whale optimization algorithm,WOA)纳入文化算法的种群空间中,获得了一种文化鲸鱼优化算法(cultural whale optimization algorithm,CWOA)以用于特征权重的优化分配.首先,将预测模型的均方根误差作为适应度函数;然后,采用WOA在种群空间中对特征权重进行迭代寻优;接着,通过接受函数将种群空间中的最优权重置于信仰空间中进行性能评价与双变异演化,以此形成形势知识和规范知识;最后,通过影响函数对种群空间中的权重进行更新指导,如此循环,从而得到特征权重的优化分配结果.以基于案例推理的预测模型为例,使用加州大学欧文分校(University of California Irvine,UCI)标准数据集对特征权重的不同分配方法进行了对比实验,结果表明该方法分配权重后的预测精度最优,在涉及特征权重分配的机器学习领域具有一定应用价值.     

基于特征融合和粒子群优化算法的运动想象脑电信号识别方法

由于运动想象脑电信号的信噪比较低,特征提取和特征选择比较困难,无法获得较高的分类准确率。针对上述问题,该文提取了时域、频域和空间域3个观察面的特征,并采用粒子群优化算法结合随机森林分类器来进行特征筛选。具体过程为,首先根据R2图来对信号进行带通滤波;其次,使用小波软阈值和得分共空间模式算法进行去噪和通道筛选;然后,通过3种算法提取时频域和空间域特征,待特征融合之后使用基于随机森林分类器的评价指标作为PSO的适应度函数,进行特征选择;最后,运用3种分类器以及集成分类器来验证效果。实验结果显示,通过特征融合以及特征选择可以去除冗余信息,保留有效信息,最终的分类正确率达到98.3%,为该技术在医疗康复等领域应用提供了新的方法。     

基于IGHS的防空火力资源优化分配模型

现代编队防空作战中,不同武器平台携带防空资源更具多样化,如何有效统筹分配现有作战资源,使得编队级防空作战的总体效益最大化成为致胜关键。为此,该文将各作战平台的所有作战资源建模为一个统一资源池,面向多个目标同时拦截作战情景,提出了一种编队级防空火力资源优化分配模型,平衡了毁伤概率与资源消耗的关系;同时提出了一种改进全局最优和声搜索算法,并运用到该模型上,实现了模型的高效求解。最后,通过在简单数据规模和复杂数据规模两种情况下的仿真对比实验分析,验证了该文方法的有效性。     

改进型云计算VM资源调度方法

针对云计算框架中VM资源调度问题,提出一种改进型云计算VM资源调度方法.首先,将直觉模糊机制和Canopy算法融入传统的模糊c均值聚类算法,设计一种改进型直觉模糊c均值聚类算法,用以完成对用户任务请求进行聚类;其次,设计一种改进型粒子群算法,对云计算中的VM资源进行分配.通过在Cloudsim平台上的仿真实验结果表明,本文方法无论在资源调度效率,还是收敛性效果方面均优于经典调度方法,预期可以作为云计算框架中一种有效的资源调度方案.     

分数阶滑模控制算法在四容水箱中的应用及仿真

针对四容水箱系统存在模型不确定性、动态性能缓慢、耦合严重等问题,设计分数阶滑模控制算法对水箱液位进行控制。对传统整数阶滑模面和趋近率加以改进,得到控制效果更为灵活的分数阶滑模面和趋近率。使用李雅普诺夫理论对分数阶型滑模控制器的渐进稳定条件、适用范围、特性进行理论分析,提出算法的设计方法。通过与分数阶PID控制器比较,仿真实验表明分数阶滑模控制器对给定液位的期望值具有良好的动态性能,有效的减少控制过程中的超调,对系统参数摄动具有良好的鲁棒性。